中国价格统计年鉴全国各省市区数据：3-1-2 各地区居民消费价格总指数(2000～2018年)
中国历年各种物价指数统计
中国历年CPI一览表
中国历年CPI一览表CPI是居民消费价格指数的简称。
居民消费价格指数，是一个反映居民家庭一般所购买的消费品和服务项目价格水平变动情况的宏观经济指标。
它是在特定时段内度量一组代表性消费商品及服务项目的价格水平随时间而变动的相对数，是用来反映居民家庭购买消费商品及服务的价格水平的变动情况，是一个月内商品和服务零售价变动系数。
CPI计算公式CPI=（一组固定商品按当期价格计算的价值除以一组固定商品按基期价格计算的价值）×100%CPI基本功能1、度量通货膨胀（通货紧缩）。
CPI是度量通货膨胀的一个重要指标。
通货膨胀是物价水平普遍而持续的上升。
CPI的高低可以在一定水平上说明通货膨胀的严重程度；2、国民经济核算。
在国民经济核算中，需要各种价格指数。
如消费者价格指数（CPI）、生产者价格指数（PPI）以及GDP平减指数，对GDP进行核算，从而剔除价格因素的影响。
3、契约指数化调整。
例如在薪资报酬谈判中，因为雇员希望薪资（名义）增长能相等或高于CPI，希望名义薪资会随CPI的升高自动调整等。
其调整之时机通常于通货膨胀发生之后，幅度较实际通货膨胀率为低。
4、反映货币购买力变动：货币购买力是指单位货币能够购买到的消费品和服务的数量。
消费者物价指数上涨，货币购买力则下降；反之则上升。
消费者物价指数的倒数就是货币购买力指数。
5、反映对职工实际工资的影响：消费者物价指数的提高意味着实际工资的减少，消费者物价指数的下降意味着实际工资的提高。
因此，可利用消费者物价指数将名义工资转化为实际工资。
6、CPI对股市的影响：一般情况下，物价上涨，股价上涨；物价下跌，股价也下跌。
CPI主要影响CPI是一个滞后性的数据，但它往往是市场经济活动与政府货币政策的一个重要参考指标。
CPI稳定、就业充分及GDP增长往往是最重要的社会经济目标。
不过，从中国的现实情况来看，CPI的稳定及其重要性并不像发达国家所认为的那样“有一定的权威性，市场的经济活动会根据CPI的变化来调整”。
第三章练习试题和参考解答
第三章练习题及参考解答3、1 第三章得“引子”中分析了,经济增长、公共服务、市场价格、交通状况、社会环境、政策因素,都会影响中国汽车拥有量。
为了研究一些主要因素与家用汽车拥有量得数量关系,选择“百户拥有家用汽车量”、“人均地区生产总值”、“城镇人口比重”、“交通工具消费价格指数”等变量,2011年全国各省市区得有关数据如下:资料来源:中国统计年鉴2012、中国统计出版社1)建立百户拥有家用汽车量计量经济模型,估计参数并对模型加以检验,检验结论得依据就是什么。
2)分析模型参数估计结果得经济意义,您如何解读模型估计检验得结果?3) 您认为模型还可以如何改进?【练习题3、1参考解答】:1)建立线性回归模型:回归结果如下:由F统计量为17、87881, P值为0、000001,可判断模型整体上显著, “人均地区生产总值”、“城镇人口比重”、“交通工具消费价格指数”等变量联合起来对百户拥有家用汽车量有显著影响。
解释变量参数得t统计量得绝对值均大于临界值,或P值均明显小于,表明在其她变量不变得情况下,“人均地区生产总值”、“城镇人口比重”、“交通工具消费价格指数”分别对百户拥有家用汽车量都有显著影响。
2)X2得参数估计值为5、9911,表明随着经济得增长,人均地区生产总值每增加1万元,平均说来百户拥有家用汽车量将增加近6辆。
由于城镇公共交通得大力发展,有减少家用汽车得必要性,X3得参数估计值为0、5231,表明随着城镇化得推进,“城镇人口比重”每增加1%,平均说来百户拥有家用汽车量将减少0、5231辆。
汽车价格与使用费用得提高将抑制家用汽车得使用, X4得参数估计值为2、2677,表明随着家用汽车使用成本得提高, “交通工具消费价格指数”每增加1个百分点,平均说来百户拥有家用汽车量将减少2、2677辆。
3)模型得可决系数为0、6652,说明模型中解释变量变解释了百户拥有家用汽车量变动得66、52%,还有33、48%未被解释。
第8章统计实验(因子分析)
实验四 R型因子分析1．实验目的：本实验讨论利用R型因子分析从具有错综复杂关系的变量中，找出数量较少的几个公因子来描述原始的变量，并且尽量减少信息的损失。
通过该实验，能够起到如下的效果：(1) 理解因子分析的作用、思想、数学基础、方法和步骤；(2) 熟悉如何利用因子分析，提出问题、分析问题、解决问题、得出结论；（3）会调用SAS软件实现因子分析的各个步骤，根据计算的结果进行分析，得出正确的结论，解决实际的问题。
2．知识准备：R型因子分析是从具有错综复杂关系的变量中，找出数量较少的几个公因子来描述原始的变量，并且尽量减少信息的损失。
其思想是：找出少量的不相关的若干个随机变量（公因子），））尽最大信息的描述原始众多的关系复杂的变量。
其数学模型有很多，如正交因子模型【1】，因子分析模型L【4】等，它们的数学模型和方法均有不相同。
我们下面采用因子分析模型L 来进行分析。
R型因子分析的步骤大体分为：首先正向化指标；然后计算样本相关阵的特征值、单位特征向量和方差贡献率，根据方差贡献率选取适当数量的初始因子，并得到初始因子载荷阵；再对初始因子进行旋转，选用行及列的元素的绝对值向0、1分化严重的旋转因子载荷阵对应的旋转因子作为最终的公因子；最后利用因子载荷阵求出因子得分函数。
3．实验内容：表１的数据是全国30个省市自治区经济发展基本情况，其中X1- GDP ，X2-居民消费水平，X3-固定资产投资，X4-职工平均工资，X5-货物周转量，X6-居民消费价格指数，X7-商品零售价格指数，X8-工业总产值，数据来源：1996年《中国统计年鉴》；见【１】表1 全国30个省市自治区经济发展基本情况序号省市X1 X2 X3 X4 X5 X6 X7 X81 北京1394.89 2505 519.01 8144 373.9 117.3 112.6 843.432 天津920.11 2720 345.46 6501 342.8 115.2 110.6 582.513 河北2849.52 1258 704.87 4839 2033.3 115.2 115.8 1234.854 山西1092.48 1250 290.9 4721 717.3 116.9 115.6 697.255 内蒙832.88 1387 250.23 4134 781.7 117.5 116.8 419.396 辽宁2793.37 2397 387.99 4911 1371.1 116.1 114 1840.557 吉林1129.2 1872 320.45 4430 497.4 115.2 114.2 762.478 黑龙江2014.53 2334 435.73 4145 824.8 116.1 114.3 1240.379 上海2462.57 5343 996.48 9279 207.4 118.7 113 1642.9510 江苏5155.25 1926 1434.95 5943 1025.5 115.8 114.3 2026.6411 浙江3524.79 2249 1006.39 6619 754.4 116.6 113.5 916.5912 安徽2003.58 1254 474 4609 908.3 114.8 112.7 824.1413 福建2160.52 2320 553.97 5857 609.3 115.2 114.4 433.6714 江西1205.11 1182 282.84 4211 411.7 116.9 115.9 571.8415 山东5002.34 1527 1229.55 5145 1196.6 117.6 114.2 2207.6916 河南3002.74 1034 670.35 4344 1574.4 116.5 114.9 1367.9217 湖北2391.42 1527 571.68 4685 849 120 116.6 1220.7218 湖南2195.7 1408 422.61 4797 1011.8 119 115.5 843.83 19广东5381.7226991639.838250656.5114 111.6 1396.35续表序号省市X1 X2 X3 X4 X5 X6 X7 X820 广西1606.15 1314 382.59 5105 556 118.4 116.4 554.9721 海南364.17 1814 198.35 5340 232.1 113.5 111.3 64.3322 四川3534 1261 822.54 4645 902.3 118.5 117 1431.8123 贵州630.07 942 150.84 4475 301.1 121.4 117.2 324.7224 云南1206.68 1261 334 5149 310.4 121.3 118.1 716.6525 西藏55.98 1110 17.87 7382 4.2 117.3 114.9 5.5726 陕西1000.03 1208 300.27 4396 500.9 119 117 600.9827 甘肃553.35 1007 114.81 5493 507 119.8 116.5 468.7928 青海165.31 1445 47.76 5753 61.6 118 116.3 105.829 宁夏169.75 1355 61.98 5079 121.8 117.1 115.3 114.430 新疆834.57 1469 376.95 5348 339 119.7 116.7 428.76 （1）利用因子分析模型L进行分析，找出适当的公共因子及相应的因子得分函数；（2）利用上面的因子得分函数对样品进行聚类分析，并给出适当的结论。
中国5年物价对比表
中国5年物价对比表首先，我们需要明确“物价”这个概念是指物品及服务的售价相对于指定时间的变化。
相比于其他国家，中国的物价数据是由国家统计局发布的，通常在月初公布上个月的物价，同时也会公布较长时间的物价指数变化趋势。
以下是中国近5年的物价变化情况，用CPI指数作为比较标准，其中CPI指数是指以城镇居民为主要调查对象的消费价格指数，反映城乡居民家庭购买一定篮子商品和服务的价格水平变动趋势。
2021年1月至6月的CPI指数同比上涨了1.1%。
与去年同期相比，下降2.8%。
观察数据，2021年一月至六月，食品烟酒类上涨1.3%，衣着类上涨0.2%，居住类上涨0.5%，生活用品及服务类上涨0.5%，交通和通讯类下降5.5％，教育文化和娱乐类上涨2.2%，医疗保健类上涨0.5％。
此外，从2016年到2020年，中国的CPI指数分别是：- 2016年CPI指数涨幅为2.0%；- 2017年CPI指数涨幅为1.6%；- 2018年CPI指数涨幅为2.1%；- 2019年CPI指数涨幅为2.9%；- 2020年CPI指数涨幅为2.5%。
可以看出，在这五年的时间里，中国的物价变化总体呈现出稳步上涨的趋势。
其中，2019年的CPI指数涨幅最高，达到了2.9%，主要原因是因为非洲猪瘟疫情的影响，导致猪肉价格急剧上涨，进而推高了整体物价水平。
2020年，受COVID-19疫情影响，中国的社会生活及经济受到较大冲击，全年物价上涨也相对缓慢。
从不同品类来看，2016至2020年，中国的不同物品或服务的价格变化趋势如下：-食品烟酒：2016年上涨了3.7%，2017年下降了0.2%，2018年上涨了2.6%，2019年上涨了9.1%，2020年上涨了1.6%；-衣着：2016年下降了0.6%，2017年上涨了0.4%，2018年上涨了1.9%，2019年下降了0.5%，2020年上涨了0.1%；-居住：2016年上涨了2.0%，2017年上涨了2.2%，2018年上涨了2.9%，2019年上涨了2.5%，2020年上涨了1.8%；-生活用品及服务：2016年下降了0.4%，2017年上涨了0.8%，2018年上涨了1.9%，2019年上涨了1.0%，2020年上涨了0.8%；-交通和通讯：2016年下降了2.5%，2017年下降了0.8%，2018年下降了1.1%，2019年下降了2.7%，2020年下降了2.0%；-教育文化和娱乐：2016年上涨了3.6%，2017年上涨了1.9%，2018年上涨了2.4%，2019年上涨了2.4%，2020年上涨了2.9%；-医疗保健：2016年上涨了4.9%，2017年上涨了5.5%，2018年上涨了2.2%，2019年上涨了2.6%，2020年上涨了2.1%。
中国历年CPI一览表
中国历年CPI一览表CPI就是居民消费价格指数得简称。
居民消费价格指数,就是一个反映居民家庭一般所购买得消费品与服务项目价格水平变动情况得宏观经济指标。
它就是在特定时段内度量一组代表性消费商品及服务项目得价格水平随时间而变动得相对数,就是用来反映居民家庭购买消费商品及服务得价格水平得变动情况,就是一个月内商品与服务零售价变动系数。
CPI计算公式CPI=(一组固定商品按当期价格计算得价值除以一组固定商品按基期价格计算得价值)×100%CPI基本功能1、度量通货膨胀(通货紧缩)。
CPI就是度量通货膨胀得一个重要指标。
通货膨胀就是物价水平普遍而持续得上升。
CPI得高低可以在一定水平上说明通货膨胀得严重程度;2、国民经济核算。
在国民经济核算中,需要各种价格指数。
如消费者价格指数(CPI)、生产者价格指数(PPI)以及GDP平减指数,对GDP进行核算,从而剔除价格因素得影响。
3、契约指数化调整。
例如在薪资报酬谈判中,因为雇员希望薪资(名义)增长能相等或高于CPI,希望名义薪资会随CPI得升高自动调整等。
其调整之时机通常于通货膨胀发生之后,幅度较实际通货膨胀率为低。
4、反映货币购买力变动 :货币购买力就是指单位货币能够购买到得消费品与服务得数量。
消费者物价指数上涨,货币购买力则下降;反之则上升。
消费者物价指数得倒数就就是货币购买力指数。
5、反映对职工实际工资得影响 :消费者物价指数得提高意味着实际工资得减少,消费者物价指数得下降意味着实际工资得提高。
因此,可利用消费者物价指数将名义工资转化为实际工资。
6、CPI对股市得影响:一般情况下,物价上涨,股价上涨;物价下跌,股价也下跌。
CPI主要影响CPI就是一个滞后性得数据,但它往往就是市场经济活动与政府货币政策得一个重要参考指标。
CPI稳定、就业充分及GDP增长往往就是最重要得社会经济目标。
不过,从中国得现实情况来瞧,CPI得稳定及其重要性并不像发达国家所认为得那样“有一定得权威性,市场得经济活动会根据CPI得变化来调整”。
中国价格统计年鉴全国各省市区数据：3-4-1 36城市居民消费价格指数(2018年)
100.9 101.4
99.2 98.6 100.5 100.4 100.5 100.4 100.4 100.2 100.3 101.3 100.7 100.4 101.4 101.9 99.9 100.9 100.9 100.5 98.7 99.9 100.8 105.4 105.6 100.8 101.1 98.2 99.5 102.7 102.4 100.3 101.6 100.0 101.8 100.2 100.9
107.7 106.7 110.9 113.2 107.2 103.2 107.1 107.1 111.8 104.1 105.7 112.5 103.0 106.4 121.8 108.5 103.8 102.9 115.1 120.9 122.7 113.8 114.4 104.2 105.8 107.1 101.2 104.3 107.8 102.7 101.1 106.9 103.4
108.1 111.9 109.3 106.0 107.3 108.6 108.1 107.2 105.3 109.5 107.1 111.6 107.8 108.2 114.8 106.6 108.8 103.8 116.1 112.9 106.0 106.9 111.5 104.9 106.1 105.2 103.4 106.4 114.8 101.4 105.4 101.3 103.5 102.0 100.6 106.4
98.0
97.6 99.2 99.5 94.7 97.6 103.7 96.8 98.3 97.0 94.2 98.8 98.1 97.7 98.9 95.9 95.0 95.9 95.3 95.4 97.3 95.7 97.2 95.9 96.8 98.3 93.3 98.8 96.5 96.3 96.3 95.8 100.0 97.3 98.5 103.9 100.6 106.0
第8章统计实验(因子分析)
实验四 R型因子分析1．实验目的：本实验讨论利用R型因子分析从具有错综复杂关系的变量中，找出数量较少的几个公因子来描述原始的变量，并且尽量减少信息的损失。
通过该实验，能够起到如下的效果：(1) 理解因子分析的作用、思想、数学基础、方法和步骤；(2) 熟悉如何利用因子分析，提出问题、分析问题、解决问题、得出结论；（3）会调用SAS软件实现因子分析的各个步骤，根据计算的结果进行分析，得出正确的结论，解决实际的问题。
2．知识准备：R型因子分析是从具有错综复杂关系的变量中，找出数量较少的几个公因子来描述原始的变量，并且尽量减少信息的损失。
其思想是：找出少量的不相关的若干个随机变量（公因子），））尽最大信息的描述原始众多的关系复杂的变量。
其数学模型有很多，如正交因子模型【1】，因子分析模型L【4】等，它们的数学模型和方法均有不相同。
我们下面采用因子分析模型L 来进行分析。
R型因子分析的步骤大体分为：首先正向化指标；然后计算样本相关阵的特征值、单位特征向量和方差贡献率，根据方差贡献率选取适当数量的初始因子，并得到初始因子载荷阵；再对初始因子进行旋转，选用行及列的元素的绝对值向0、1分化严重的旋转因子载荷阵对应的旋转因子作为最终的公因子；最后利用因子载荷阵求出因子得分函数。
3．实验内容：表１的数据是全国30个省市自治区经济发展基本情况，其中X1- GDP ，X2-居民消费水平，X3-固定资产投资，X4-职工平均工资，X5-货物周转量，X6-居民消费价格指数，X7-商品零售价格指数，X8-工业总产值，数据来源：1996年《中国统计年鉴》；见【１】表1 全国30个省市自治区经济发展基本情况序号省市X1 X2 X3 X4 X5 X6 X7 X81 北京1394.89 2505 519.01 8144 373.9 117.3 112.6 843.432 天津920.11 2720 345.46 6501 342.8 115.2 110.6 582.513 河北2849.52 1258 704.87 4839 2033.3 115.2 115.8 1234.854 山西1092.48 1250 290.9 4721 717.3 116.9 115.6 697.255 内蒙832.88 1387 250.23 4134 781.7 117.5 116.8 419.396 辽宁2793.37 2397 387.99 4911 1371.1 116.1 114 1840.557 吉林1129.2 1872 320.45 4430 497.4 115.2 114.2 762.478 黑龙江2014.53 2334 435.73 4145 824.8 116.1 114.3 1240.379 上海2462.57 5343 996.48 9279 207.4 118.7 113 1642.9510 江苏5155.25 1926 1434.95 5943 1025.5 115.8 114.3 2026.6411 浙江3524.79 2249 1006.39 6619 754.4 116.6 113.5 916.5912 安徽2003.58 1254 474 4609 908.3 114.8 112.7 824.1413 福建2160.52 2320 553.97 5857 609.3 115.2 114.4 433.6714 江西1205.11 1182 282.84 4211 411.7 116.9 115.9 571.8415 山东5002.34 1527 1229.55 5145 1196.6 117.6 114.2 2207.6916 河南3002.74 1034 670.35 4344 1574.4 116.5 114.9 1367.9217 湖北2391.42 1527 571.68 4685 849 120 116.6 1220.7218 湖南2195.7 1408 422.61 4797 1011.8 119 115.5 843.83 19广东5381.7226991639.838250656.5114 111.6 1396.35续表序号省市X1 X2 X3 X4 X5 X6 X7 X820 广西1606.15 1314 382.59 5105 556 118.4 116.4 554.9721 海南364.17 1814 198.35 5340 232.1 113.5 111.3 64.3322 四川3534 1261 822.54 4645 902.3 118.5 117 1431.8123 贵州630.07 942 150.84 4475 301.1 121.4 117.2 324.7224 云南1206.68 1261 334 5149 310.4 121.3 118.1 716.6525 西藏55.98 1110 17.87 7382 4.2 117.3 114.9 5.5726 陕西1000.03 1208 300.27 4396 500.9 119 117 600.9827 甘肃553.35 1007 114.81 5493 507 119.8 116.5 468.7928 青海165.31 1445 47.76 5753 61.6 118 116.3 105.829 宁夏169.75 1355 61.98 5079 121.8 117.1 115.3 114.430 新疆834.57 1469 376.95 5348 339 119.7 116.7 428.76 （1）利用因子分析模型L进行分析，找出适当的公共因子及相应的因子得分函数；（2）利用上面的因子得分函数对样品进行聚类分析，并给出适当的结论。
1998各地区居民消费价格分类指数
居住
服务项目 Services
Resi- dence
111.7 111.3 109.3 104.7 105.2 101.4 103.0 104.1 105.4 103.7 102.4 105.1 103.3 103.8 105.8 103.9 104.8 108.6 103.9 101.5 105.4 106.4 105.2 108.1 102.6 102.4 104.3 105.8 104.9 105.1 103.3 102.6 104.3 107.0
131.8 122.9 107.6 99.9 102.2 102.1 100.8 100.0 100.4 99.9 101.3 101.2 99.3 98.8 99.2 97.3 98.6 97.4 100.7 100.4 101.1 99.3 99.3 98.3 96.4 102.6 103.1 100.4 102.4 100.5 99.7 102.0 100.3 99.1
#肉禽及 其制品 Meat and Poultry 141.6 126.4 104.5 105.5 107.0 107.9 113.7 110.2 102.7 109.1 108.9 107.9 106.3 106.6 101.6 106.4 101.7 100.9 114.3 113.4 109.9 102.0 99.7 97.9 94.1 109.9 111.0 104.2 103.4 105.7 104.0 101.3 100.8 97.2
续表1 continued
(上年=100) (preceding ye
地区 #蛋 Eggs #水产品 Aquatic Products 120.3 114.4 106.0 100.2 109.7 103.7 106.7 102.9 110.5 106.7 108.0 109.2 95.9 101.6 103.6 102.0 99.9 97.2 107.5 105.7 99.4 98.7 94.1 91.5 94.4 100.7 102.7 99.5 102.6 104.0 98.2 103.6 105.6 104.2 #菜 Vegetables #酒和饮料 Liquor and Beverages 114.1 112.3 106.1 102.3 100.6 99.6 102.7 100.5 103.8 101.6 104.9 101.0 99.1 100.9 103.0 100.2 102.6 100.7 102.0 101.4 104.0 102.9 103.2 101.0 100.7 105.4 104.6 102.7 105.1 102.4 103.2 104.9 102.1 107.5 1994 1995 1996 1997 北京 天津 河北 山西 内蒙古 辽宁 吉林 黑龙江 上海 江苏 浙江 安徽 福建 江西 山东 河南 湖北 湖南 广东 广西 海南 重庆 四川 贵州 云南 西藏 陕西 甘肃 青海 宁夏 新疆 Region
中国历年居民消费价格指数(CPI)最新数据_更新至2015年3月
全国同比增减2015年3月2015年2月101.4 1.42015年1月100.80.82014年12月101.5 1.52014年11月101.4 1.42014年10月101.6 1.62014年9月101.6 1.62014年8月10222014年7月102.3 2.32014年6月102.3 2.32014年5月102.5 2.52014年4月101.8 1.82014年3月102.4 2.42014年2月10222014年1月102.5 2.52013年12月102.5 2.52013年11月10332013年10月103.2 3.22013年9月103.1 3.12013年8月102.6 2.62013年7月102.7 2.72013年6月102.7 2.72013年5月102.1 2.12013年4月102.4 2.42013年3月102.1 2.12013年2月103.2 3.22013年1月10222012年12月102.5 2.52012年11月10222012年10月101.72 1.722012年9月101.91 1.912012年8月102.05 2.052012年7月101.78 1.782012年6月102.15 2.152012年5月10332012年4月103.37 3.372012年3月103.59 3.592012年2月103.16 3.162012年1月104.55 4.552011年12月104.1 4.12011年11月104.2 4.2数据日期↓去年同月=100点2011年10月105.5 5.5 2011年9月106.1 6.1 2011年8月106.2 6.2 2011年7月106.5 6.5 2011年6月106.4 6.4 2011年5月105.5 5.5 2011年4月105.3 5.3 2011年3月105.4 5.4 2011年2月104.9 4.9 2011年1月104.9 4.9 2010年12月104.6 4.6 2010年11月105.1 5.1 2010年10月104.4 4.922010年9月103.6 4.442010年8月103.5 4.762010年7月103.3 5.192010年6月102.9 4.682010年5月103.1 4.562010年4月102.8 4.372010年3月102.4 3.642010年2月102.7 4.372010年1月101.50.52009年12月101.90.692009年11月100.6-1.762009年10月99.5-4.332009年9月99.2-5.162009年8月98.8-5.822009年7月98.2-7.622009年6月98.3-8.222009年5月98.6-8.452009年4月98.5-9.222009年3月98.8-8.772009年2月98.4-9.482009年1月101-5.72008年12月101.2-4.982008年11月102.4-4.212008年10月104-2.352008年9月104.6-1.512008年8月104.9-1.52008年7月106.30.662008年6月107.1 2.592008年5月107.7 4.162008年4月108.5 5.342008年3月108.3 4.842008年2月108.7 5.842007年12月106.5 3.6 2007年11月106.9 4.91 2007年10月106.5 5.03 2007年9月106.2 4.63 2007年8月106.5 5.13 2007年7月105.6 4.55 2007年6月104.4 2.86 2007年5月103.4 1.97 2007年4月103 1.78 2007年3月103.3 2.48 2007年2月102.7 1.78 2007年1月102.20.29 2006年12月102.8 1.18 2006年11月101.90.59 2006年10月101.40.2 2006年9月101.50.59 2006年7月101-0.79 2006年6月101.5-0.1 2006年5月101.4-0.39 2006年4月101.2-0.59 2006年3月100.8-1.85 2006年2月100.9-2.89 2006年1月101.90 2005年12月101.6-0.78 2005年11月101.3-1.46 2005年10月101.2-2.97 2005年9月100.9-4.09 2005年8月101.3-3.8 2005年7月101.8-3.32 2005年6月101.6-3.24 2005年5月101.8-2.49 2005年4月101.8-1.93 2005年3月102.7-0.29 2005年2月103.9 1.76 2005年1月101.9-1.26 2004年12月102.4-0.78 2004年11月102.8-0.19 2004年10月104.3 2.46 2004年9月105.2 4.06 2004年8月105.3 4.36 2004年7月105.3 4.78 2004年6月105 4.69 2004年5月104.4 3.67 2004年4月103.8 2.772004年2月102.1 1.9 2004年1月103.2 2.79 2003年12月103.2 3.61 2003年11月103 3.73 2003年10月101.8 2.62 2003年9月101.1 1.81 2003年8月100.9 1.61 2003年7月100.5 1.41 2003年6月100.3 1.11 2003年5月100.7 1.82 2003年4月101 2.33 2003年3月100.9 1.71 2003年2月100.20.2 2003年1月100.4 1.41 2002年12月99.6-0.1 2002年11月99.3-0.4 2002年10月99.2-1 2002年9月99.3-0.6 2002年8月99.3-1.68 2002年7月99.1-2.36 2002年6月99.2-2.17 2002年5月98.9-2.75 2002年4月98.7-2.85 2002年3月99.2-1.59 2002年2月1000 2002年1月99-2.17 2001年12月99.7-1.77 2001年11月99.7-1.58 2001年10月100.20.2 2001年9月99.9-0.1 2001年8月1010.7 2001年7月101.51 2001年6月101.40.9 2001年5月101.7 1.6 2001年4月101.6 1.91 2001年3月100.81 2001年2月100-0.7 2001年1月101.2 1.4 2000年12月101.5 2.53 2000年11月101.3 2.22 2000年10月1000.6 2000年9月1000.81 2000年8月100.3 1.62 2000年7月100.5 1.932000年5月100.1 2.35 2000年4月99.7 1.94 2000年3月99.8 1.63 2000年2月100.7 2.03 2000年1月99.8 1.01 1999年12月990 1999年11月99.10.3 1999年10月99.40.51 1999年9月99.20.71 1999年8月98.70.1 1999年7月98.60 1999年6月97.9-0.81 1999年5月97.8-1.21 1999年4月97.8-1.91 1999年3月98.2-2.48 1999年2月98.7-1.2 1999年1月98.8-1.5 1998年12月99-1.39 1998年11月98.8-2.27 1998年10月98.9-2.56 1998年9月98.5-3.24 1998年8月98.6-3.24 1998年7月98.6-3.99 1998年6月98.7-3.99 1998年5月99-3.7 1998年4月99.7-3.39 1998年3月100.7-3.17 1998年2月99.9-5.4 1998年1月100.3-5.29 1997年12月100.4-6.17 1997年11月101.1-5.43 1997年10月101.5-5.14 1997年9月101.8-5.21 1997年8月101.9-5.74 1997年7月102.7-5.17 1997年6月102.8-5.34 1997年5月102.8-5.6 1997年4月103.2-5.93 1997年3月104-5.28 1997年2月105.6-3.39 1997年1月105.9-2.84 1996年12月107-2.82 1996年11月106.9-3.87 1996年10月107-4.551996年8月108.1-5.59 1996年7月108.3-7.2 1996年6月108.6-8.12 1996年5月108.9-9.48 1996年4月109.7-9.11 1996年3月109.8-9.48 1996年2月109.3-10.7 1996年1月109-12.17 1995年12月110.1-12.27 1995年11月111.2-12.78 1995年10月112.1-12.22 1995年9月113.2-11.08 1995年8月114.5-8.98 1995年7月116.7-5.89 1995年6月118.2-3.59 1995年5月120.3-0.82 1995年4月120.7-0.82 1995年3月121.3-0.9 1995年2月122.4-0.65 1995年1月124.1 2.48 1994年12月125.5 5.64 1994年11月127.59.25 1994年10月127.710.18 1994年9月127.310.03 1994年8月125.88.45 1994年7月124 6.71 1994年6月122.6 6.52 1994年5月121.3 6.4 1994年4月121.78.08 1994年3月122.49.09 1994年2月123.211.49 1994年1月121.19.79 1993年12月118.89.19 1993年11月116.77.86 1993年10月115.97.41 1993年9月115.77.63 1993年8月1169.64 1993年7月116.210.46 1993年6月115.19.83 1993年5月1148.88 1993年4月112.6 5.14 1993年3月112.2 6.55 1993年2月110.5 4.94 1993年1月110.3 4.551992年11月108.2 3.64 1992年10月107.9 2.96 1992年9月107.5 2.87 1992年8月105.80.86 1992年7月105.20.48 1992年6月104.80.38 1992年5月104.7 1.06 1992年4月107.1 5.73 1992年3月105.3 3.64 1992年2月105.3 4.26 1992年1月105.5 3.23 1991年12月104.50.19 1991年11月104.40.68 1991年10月104.8 1.65 1991年9月104.5 1.55 1991年8月104.9 2.34 1991年7月104.7 3.56 1991年6月104.4 3.26 1991年5月103.60.88 1991年4月101.3-1.84 1991年3月101.6-1.74 1991年2月101-3.26 1991年1月102.2-2.01 1990年12月104.3-1990年11月103.7-1990年10月103.1-1990年9月102.9-1990年8月102.5-1990年7月101.1-1990年6月101.1-1990年5月102.7-1990年4月103.2-1990年3月103.4-1990年2月104.4-1990年1月104.3-。
中国历年CPI一览表
中国历年CPl —览表CPI是居民消费价格指数的简称。
居民消费价格指数，是一个反映居民家庭一般所购买的消费品和服务项目价格水平变动情况的宏观经济指标。
它是在特定时段内度量一组代表性消费商品及服务项目的价格水平随时间而变动的相对数，是用来反映居民家庭购买消费商品及服务的价格水平的变动情况，是一个月内商品和服务零售价变动系数。
CPI计算公式CPI=（—组固定商品按当期价格计算的价值除以一组固定商品按基期价格计算的价值）× 100%CPI基本功能1、度量通货膨胀（通货紧缩）。
CPI是度量通货膨胀的一个重要指标。
通货膨胀是物价水平普遍而持续的上升。
CPI的高低可以在一定水平上说明通货膨胀的严重程度；2、国民经济核算。
在国民经济核算中，需要各种价格指数。
如消费者价格指数（CPI）、生产者价格指数（PPI）以及GDF平减指数，对GDP进行核算，从而剔除价格因素的影响。
3、契约指数化调整。
例如在薪资报酬谈判中，因为雇员希望薪资（名义）增长能相等或高于CPI ,希望名义薪资会随CPI的升高自动调整等。
其调整之时机通常于通货膨胀发生之后，幅度较实际通货膨胀率为低。
4、反映货币购买力变动：货币购买力是指单位货币能够购买到的消费品和服务的数量。
消费者物价指数上涨，货币购买力则下降；反之则上升。
消费者物价指数的倒数就是货币购买力指数。
5、反映对职工实际工资的影响：消费者物价指数的提高意味着实际工资的减少，消费者物价指数的下降意味着实际工资的提高。
因此，可利用消费者物价指数将名义工资转化为实际工资。
6、CPl对股市的影响：一般情况下，物价上涨，股价上涨；物价下跌，股价也下跌。
CPI主要影响CPI是一个滞后性的数据，但它往往是市场经济活动与政府货币政策的一个重要参考指标。
CPI稳定、就业充分及GDP增长往往是最重要的社会经济目标。
不过，从中国的现实情况来看，CPI的稳定及其重要性并不像发达国家所认为的那样“有一定的权威性，市场的经济活动会根据CPI的变化来调整”。
中国价格统计年鉴全国各省市区数据：3-2-1 全国商品零售价格分类指数(2018年)
项目
商品零售价格指数 一、食品
1.粮食 2.薯类 3.豆类 4.食用油 5.菜 6.畜肉类 7.禽肉类 8.水产品 9.蛋类 10.奶类 11.干鲜瓜果类 12.糖果糕点类 13.调味品 14.其他食品类 15.在外餐饮 二、饮料、烟酒 1.茶及饮料 2.烟草 3.酒类 三、服装、鞋帽 1.服装 2.鞋帽袜 3.其他衣着配件 四、纺织品 1.服装材料 2.床上用品 五.家用电器及音像器材 1.家庭设备 2.文娱用耐用消费品 3.专业音像器材 六、文化办公用品 七、日用品 1.日用百货 2.厨具餐具茶具 3.清洗用品 4.其他口用品 八、体育娱乐用品 1.体育户外用品 2.娱乐用品 九、交通、通信用品 1.交通运输机械 2.通信器材 十、家具 十一、化妆品 十二、金银饰品 十三、中西药品及医疗保健用品
99.5 100.5
97.8 99.0 100.0 101.1 101.5 100.7 101.8 100.3 100.8 100.2 101.1 98.6 98.8 98.3 102.5 101.0 97.9 104.5 100.7 105.7
城市 Urban Indices
101.9 102.2 100.7 108.1 101.1
Western Medicines Health Care Appliances and Articles Books,Newspapers,Magazines and Electronic Pubblications Teaching Materials and Reference Books Newspapers and Maganizes Office Software Fuels Coal and its product Petroleum and its product Building Materials and Hardware Building Decoration Maonal Indices
中国住户调查年鉴全国各省市区统计数据：1-1-1全国居民家庭基本情况(2013-2018)
人
1.7
1.7
1.7
1.8
1.8
%
2.9
2.8
2.4
2.0
2.0
%
20.2 20.0 19.1 18.2 18.0
%
41.7 42.0 42.5 43.3 43.3
%
20.0 20.0 20.3 20.3 20.4
%
8.9
8.9
9.2
9.5
9.6
%
6.2
6.3
6.6
6.8
6.8
%
1.8
1.6
1.3
1.1
1-1-1全国居民家庭基本情况（2013-2018）
指标
一、基本情况
户均常住人口
户均常住从业人口
平均每户家庭从业人口比重 平均每一从业人口负担人数(包括从业者本人) 二、户主文化程度 (一)未上过学 (二)小学 (三)初中 (四)高中 (五)大学专科 (六)大学本科及以上 三、常住从业人员就业类型 (一)雇主 (二)公职人员 (三)事业单位人员 (四)国有企业雇员 (五)其他雇员 (六)农业自营 (七)非农自营 四、常住从业人员从事主要行业 (一)第一产业 (二)第二产业 (三)第三产业 五、居民收入与支出情况
0.9
%
3.1
3.0
2.9
2.8
2.8
%
6.3
5.9
6.0
6.2
6.2
%
5.2
5.0
4.9
4.9
4.8
%
38.0 40.1 42.5 43.4 45.1
%
34.7 33.7 32.9 31.5 30.0
%
10.9 10.7
中国国内居民消费价格指数(CPI)--2016年至2020年
居民消费价格月度 城市消费价格月度 同比涨跌（%） 同比涨跌（%）
农村消费价格 月度同比涨跌
（%）
1.8
1.8
1.5
2.3
2.3
2.2
2.3
2.3
2.2
2.3
2.3
2.4
2.0
2.0
2.1
1.9
1.9
1.9
1.8
1.8
1.5
1.3
1.4
1.0
1.9
2.0
1.6
2.1
2.2
1.8
2.3
2.3
2.0
2.1
中国国内居民消费价格指数
****居民消费价格指数(CPI) 是反映一定时期内城乡居民所购买的生活消费品和服务项目价格变动趋势和程 度的相对数，是对城市居民消费价格指数和农村居民消费价格指数进行综合汇 总计算的结果。通过该指数可以观察和分析消费品的零售价格和服务项目价格 变动对城乡居民实际生活费支出的影响程度。 ****城市居民消费价格指数 是反映一定时期内城市居民家庭所购买的生活消费品价格和服务项目价格变动 趋势和程度的相对数。通过该指数可以观察和分析消费品的零售价格和服务项 目价格变动对城镇居民收入和消费支出的影响。 ****农村居民消费价格指数 是反映一定时期内农村居民家庭所购买的生活消费品价格和服务项目价格变动 趋势和程度的相对数。该指数可以观察农村消费品的零售价格和服务项目价格 变动对农村居民收入和生活消费支出的影响。
2.8
2.7
2.7
2.7
2.9
2.8
3.1
2.8Байду номын сангаас
3.6
3.5
4.6
4.2
5.5
中国5年物价对比表
中国5年物价对比表1.简介中国的物价水平一直是人们关注的焦点之一，随着经济发展和社会变革，物价水平也在不断变化。
因此，对比5年间的物价变化是非常有意义的。
本文将就中国5年间的物价变化进行对比分析，从整体趋势、不同品类、地区差异等多个角度进行详细探讨。
2.五年物价总体趋势首先，我们来看一下5年间中国的物价总体趋势。
根据国家统计局的数据显示，2017年至2022年，中国的居民消费价格指数(CPI)呈现整体上涨的态势。
其中，2017年CPI为100，而2022年CPI为109.2，累计涨幅为9.2%。
这表明中国的整体物价水平呈现出逐年上涨的趋势。
3.不同品类的物价变化接下来，我们将对比不同品类的物价变化情况。
首先是食品类物价变化。
在过去5年间，中国的食品价格整体上涨趋势明显。
特别是鲜菜、猪肉、牛肉等生鲜食品的价格上涨最为显著。
而鸡蛋、大米等主粮类食品的价格波动相对较小。
其次是日常用品类物价变化。
洗涤用品、纸品等家庭日用品的价格上涨不明显，而个人护理用品、化妆品等高档消费品的价格呈现逐年上涨的趋势。
再次是服装类物价变化。
在过去5年间，中国的服装价格整体上涨，尤其是高档品牌服装的价格上涨较为明显。
最后是交通和通讯类物价变化。
油价、公共交通价格等交通费用整体上涨较为明显，而通讯费用的价格波动较小。
4.地区差异的物价变化除了不同品类的物价变化外，中国不同地区的物价也存在一定差异。
以一线城市、二线城市和三线城市为例，5年间的物价变化呈现出不同的特点。
一线城市的物价水平整体较高，且涨幅相对较大；二线城市的物价水平和涨幅次之；而三线城市的物价水平相对较低，涨幅也相对较小。
这与城市发展水平、人口密度以及经济发展水平有一定的关系。
5.物价变化对生活的影响最后，我们来探讨一下物价变化对生活的影响。
随着物价的上涨，人们的生活成本也相应增加。
尤其是在食品、住房、教育、医疗等方面，物价上涨给居民生活带来一定的压力。
另一方面，物价上涨也会刺激消费，促进经济增长，有利于就业稳定和社会发展。
2017年到2021年我国cpi统计表
2017年到2021年我国CPI统计表1. 2017年CPI统计数据在2017年，我国CPI（居民消费价格指数）实现了较为稳定的增长。
根据国家统计局发布的数据，2017年全国居民消费价格指数（CPI）比上年上涨1.6%。
其中，食品价格上涨2.0%，非食品价格上涨1.5%。
在食品价格中，肉类价格上涨3.6%，蔬菜价格上涨6.2%，水果价格上涨7.9%。
而在非食品价格中，医疗保健、居住、教育文化和娱乐价格上涨均在1.5%左右。
2. 2018年CPI统计数据2018年，我国CPI保持平稳增长的态势。
全年CPI上涨2.1%，依然保持在合理区间内。
食品价格上涨2.9%，其中，猪肉价格上涨收窄至1.1%，蔬菜价格下降1.7%，瓜果价格上涨倒退至0.4%。
非食品价格上涨2.0%，医疗保健、居住、教育文化和娱乐价格上涨在1.8%-2.5%之间。
3. 2019年CPI统计数据2019年，我国CPI继续保持较为平稳的增长态势。
全年CPI上涨2.9%，略高于前两年的水平。
食品价格上涨7.7%，涨幅较大，其中，猪肉价格上涨翻番至14.8%，蔬菜价格上涨17.2%，鲜果价格上涨10.9%。
非食品价格上涨1.7%，医疗保健、居住、教育文化和娱乐价格上涨在1.2%-2.6%之间。
4. 2020年CPI统计数据2020年，我国CPI保持了平稳增长的态势。
全年CPI上涨2.5%，较2019年有所回落。
食品价格上涨11.7%，涨幅明显收窄，其中，猪肉价格上涨28.4%，蔬菜价格上涨6.4%，鲜果价格上涨12.5%。
非食品价格上涨1.3%，医疗保健、居住、教育文化和娱乐价格上涨在0.6%-1.7%之间。
5. 2021年CPI统计数据2021年，我国CPI实现了稳中有降的态势。
全年CPI上涨0.8%，较上年明显回落。
食品价格上涨3.9%，涨幅有所收窄，其中，猪肉价格上涨5.6%，蔬菜价格上涨4.1%，鲜果价格上涨4.6%。
非食品价格上涨0.6%，医疗保健、居住、教育文化和娱乐价格上涨在0.2%-1.1%之间。
各地区城市居民消费的差异
一、研究的目的要求【1】居民消费在社会经济的持续发展中有着重要的作用。
居民合理的消费模式和居民适度的消费规模有利于经济持续健康的增长，而且这也是人民生活水平的具体体现。
改革开放以来随着中国经济的快速发展，人民生活水平不断提高，居民的消费水平也不断增长。
但是在看到这个整体趋势的同时，还应看到全国各地区经济发展速度不同，居民消费水平也有明显差异。
例如，2002年全国城市居民家庭平均每人每年消费支出为6029.88元, 最低的黑龙江省仅为人均4462.08元，最高的上海市达人均10464元，上海是黑龙江的2.35倍。
为了研究全国居民消费水平及其变动的原因，需要作具体的分析。
影响各地区居民消费支出有明显差异的因素可能很多，例如，居民的收入水平、就业状况、零售物价指数、利率、居民财产、购物环境等等都可能对居民消费有影响。
为了分析什么是影响各地区居民消费支出有明显差异的最主要因素，并分析影响因素与消费水平的数量关系，可以建立相应的计量经济模型去研究。
二、模型设定我们研究的对象是各地区居民消费的差异。
居民消费可分为城市居民消费和农村居民消费，由于各地区的城市与农村人口比例及经济结构有较大差异，最具有直接对比可比性的是城市居民消费。
而且，由于各地区人口和经济总量不同，只能用“城市居民每人每年的平均消费支出”来比较，而这正是可从统计年鉴中获得数据的变量。
所以模型的被解释变量Y 选定为“城市居民每人每年的平均消费支出”。
因为研究的目的是各地区城市居民消费的差异，并不是城市居民消费在不同时间的变动，所以应选择同一时期各地区城市居民的消费支出来建立模型。
因此建立的是2002年截面数据模型。
影响各地区城市居民人均消费支出有明显差异的因素有多种，但从理论和经验分析，最主要的影响因素应是居民收入，其他因素虽然对居民消费也有影响，但有的不易取得数据，如“居民财产”和“购物环境”；有的与居民收入可能高度相关，如“就业状况”、“居民财产”；还有的因素在运用截面数据时在地区间的差异并不大，如“零售物价指数”、“利率”。
《中国统计年鉴》-物价指数
98.6
102.1
化学纤维制造业
108.1
104.7
101.2
103.3
橡胶制品业
101.0
104.5
104.7
103.3
塑料制品业
106.5
105.5
101.0
102.0
非金属矿物制品业
103.3
100.6
101.5
101.3
黑色金属冶炼及压延加工业
118.9
104.7
96.0
107.9
113.5
103.8
117.9
111.8
108.9
1994
119.5
106.8
139.5
115.4
109.5
123.4
136.8
116.1
121.9
106.6
1995
114.9
105.5
109.5
126.2
106.3
123.4
117.3
116.5
121.7
144.5
1996
102.9
97.7
113.1
104.1
102.8
101.0
107.2
1991
106.2
102.8
103.3
104.1
1992
106.8
106.6
106.2
99.3
1993
124.0
119.7
113.5
103.8
1994
119.5
109.5
123.4
136.8
1995
114.9
106.3
123.2
117.3
我国主要大中城市消费价格指数的聚类分析居民消费价格...
许多国家经济发展的经验表明，在一定的时间范围内，一国经济增长与其Ｃ ＰＩ总水平之间存在一定的对应关系。一般规律是，在经济繁荣期，由于市场投 资需求旺盛，从而会拉动投资品的价格上涨，一部分投资又通过劳动报酬方式转 化为消费需求，进而使消费品或服务价格水平相应上升；而在经济萧条时期，由 于投资和消费需求的下降，价格总水平也会有所回落。在这样的一般规律下，追 求持续的经济高增长和低价格水平的一致性只能是一种理想分析，但事实上很难 实现
聚类分析（Cluster Analysis），又称集群分析，其分析的基本思想是依照 事物的数值特征，来观察个样品之间的亲疏关系。而样本之间的亲疏关系则由样 本之间的距离来衡量，一旦样品之间的距离定语之后，则把距离x ij 近的样品归
为一类，传统的聚类分析要求聚类变量为数值变量。设x ik 为第i个样品的第k个指
标，每个样品测量了p个变量，则样品x和x j 之间的距离的定义为
q
D ∑ ij （q）=( | xik −xjk | ) 1 / q ,该公式称明考夫斯基距离，其中q为大于0的正
数。也可以定义变量之间的距离，常用的两种定义方法是夹角余弦法和相关系数
法。
n
∑ x ki x kj
k =1
C [ ∑ ∑ ( )( 夹角余弦为： ij =
长沙 102.1 100
99.6
98.8
99
98.9 99.6 100.7 100.9 101
广州 101.1 100.1 100
100.3 98.9
99.8 100.3 101.1 99.7 101.2
深圳 102.6 100.9
99
99.9
99.4
99.7
100 100.1 100.1 100.2